删除标点符号并创建Python词典

我正在尝试创建一个函数，该函数删除字符串中的标点符号和小写字母。然后，它应该以计算字符串中单词频率的字典的形式返回所有这些内容

这是我到目前为止写的代码：

def word_dic(string):
    string = string.lower()
    new_string = string.split(' ')
    result = {}

    for key in new_string:
        if key in result:
            result[key] += 1
        else:
            result[key] = 1

    for c in result:
        "".join([ c if not c.isalpha() else "" for c in result])

    return result

但这是我执行后得到的：

{'am': 3,
 'god!': 1,
 'god.': 1,
 'i': 2,
 'i?': 1,
 'thanks': 1,
 'to': 1,
 'who': 2}

我只需要删除单词末尾的标点符号。

“”。join（[c if not c.isalpha（）else''表示结果中的c]）

创建一个没有标点符号的新字符串，但它对它没有任何作用；它会立即被丢弃，因为您从未存储结果

实际上，最好的方法是在

result

中对键进行计数之前对其进行规范化。例如，您可以执行以下操作：

for key in new_string:
    # Keep only the alphabetic parts of each key, and replace key for future use
    key = "".join([c for c in key if c.isalpha()])
    if key in result:
        result[key] += 1
    else:
        result[key] = 1

现在，

result

从来没有带标点符号的键（并且，

“god.”

和

“god！”

的计数仅在

“god”

键下求和），并且不需要在事件发生后再通过另一次操作来去除标点符号

或者，如果您只关心每个单词的前导和尾随标点符号（因此

“it's”

应按原样保留，而不是转换为

“its”

），您可以进一步简化。只需导入字符串，然后更改：

    key = "".join([c for c in key if c.isalpha()])

致：

这符合您在问题中特别要求的内容（删除单词末尾的标点符号，但不要删除单词开头或嵌入单词中的标点符号）。

“”。join（[c if not c.isalpha（）else''表示结果中的c]）

创建一个没有标点符号的新字符串，但它对它没有任何作用；它会立即被丢弃，因为您从未存储结果

实际上，最好的方法是在

result

中对键进行计数之前对其进行规范化。例如，您可以执行以下操作：

for key in new_string:
    # Keep only the alphabetic parts of each key, and replace key for future use
    key = "".join([c for c in key if c.isalpha()])
    if key in result:
        result[key] += 1
    else:
        result[key] = 1

现在，

result

从来没有带标点符号的键（并且，

“god.”

和

“god！”

的计数仅在

“god”

键下求和），并且不需要在事件发生后再通过另一次操作来去除标点符号

或者，如果您只关心每个单词的前导和尾随标点符号（因此

“it's”

应按原样保留，而不是转换为

“its”

），您可以进一步简化。只需导入字符串，然后更改：

    key = "".join([c for c in key if c.isalpha()])

致：

---

这符合您在问题中特别要求的内容（删除单词末尾的标点符号，但不要删除单词开头的标点符号或嵌入单词中的标点符号）。

另一种选择是使用著名的Python语言

---

用于计算单词，并替换所有非单词字符。

另一个选项是使用著名的Python

---

用于计算单词和替换非单词字符的所有内容。

您可以使用

字符串。标点符号

识别标点符号并使用

集合。计数器

在正确分解字符串后计算出现次数

from collections import Counter
from string import punctuation

line = "It's a test and it's a good ol' one."

Counter(word.strip(punctuation) for word in line.casefold().split())
# Counter({"it's": 2, 'a': 2, 'test': 1, 'and': 1, 'good': 1, 'ol': 1, 'one': 1})

使用

str.strip

而不是

str.replace

可以保留像它这样的单词

---

方法

str.casefold

只是

str.lower

的一种更一般的情况，您可以使用

string.标点符号

识别标点符号并使用

集合。计数器

在正确分解字符串后计数发生的次数

from collections import Counter
from string import punctuation

line = "It's a test and it's a good ol' one."

Counter(word.strip(punctuation) for word in line.casefold().split())
# Counter({"it's": 2, 'a': 2, 'test': 1, 'and': 1, 'good': 1, 'ol': 1, 'one': 1})

使用

str.strip

而不是

str.replace

可以保留像它这样的单词

---

方法

str.casefold

只是

str.lower

的一个更一般的例子。如果您以后想重用这些单词，您可以将它们与它的出现次数一起存储在子词典中。每个单词在字典里都有自己的位置。我们可以创建自己的函数来删除标点符号，非常简单。 看看下面的代码是否满足您的需要：

def remove_punctuation(word):
    for c in word:
        if not c.isalpha():
            word = word.replace(c, '')
    return word


def word_dic(s):
    words = s.lower().split(' ')
    result = {}

    for word in words:
        word = remove_punctuation(word)

        if not result.get(word, None):
            result[word] = {
                'word': word,
                'ocurrences': 1,
            }
            continue
        result[word]['ocurrences'] += 1  

    return result


phrase = 'Who am I and who are you? Are we gods? Gods are we? We are what we are!'
print(word_dic(phrase))

您将得到如下输出：

{
“谁”：{
“单词”：“谁”，
“眼病”：2}，
“am”：{
“单词”：“am”，
“眼病”：1}，
“我”：{
“单词”：“我”，
“眼病”：1}，
“和”：{
“单词”：“和”，
“眼病”：1}，
“是”吗{
“单词”：“是”，
“眼病”：5}，
‘你’：{
“单词”：“你”，
“眼病”：1}，
‘我们’：{
“单词”：“我们”，
“眼病”：4}，
“诸神”：{
“单词”：“神”，
“眼病”：2}，
“什么？”{
“单词”：什么，
“眼病”：1}
}

然后，只需执行以下操作，您就可以轻松访问每个单词及其眼波：

word_dict(phrase)['are']['word']       # output: are
word_dict(phrase)['are']['ocurrences'] # output: 5

---

如果你想以后再使用这些单词，你可以将它们和它的出现次数一起存储在子词典中。每个单词在字典里都有自己的位置。我们可以创建自己的函数来删除标点符号，非常简单。 看看下面的代码是否满足您的需要：

def remove_punctuation(word):
    for c in word:
        if not c.isalpha():
            word = word.replace(c, '')
    return word


def word_dic(s):
    words = s.lower().split(' ')
    result = {}

    for word in words:
        word = remove_punctuation(word)

        if not result.get(word, None):
            result[word] = {
                'word': word,
                'ocurrences': 1,
            }
            continue
        result[word]['ocurrences'] += 1  

    return result


phrase = 'Who am I and who are you? Are we gods? Gods are we? We are what we are!'
print(word_dic(phrase))

您将得到如下输出：

{
“谁”：{
“单词”：“谁”，
“眼病”：2}，
“am”：{
“单词”：“am”，
“眼病”：1}，
“我”：{
“单词”：“我”，
“眼病”：1}，
“和”：{
“单词”：“和”，
“眼病”：1}，
“是”吗{
“单词”：“是”，
“眼病”：5}，
‘你’：{
“单词”：“你”，
“眼病”：1}，
‘我们’：{
“单词”：“我们”，
“眼病”：4}，
“诸神”：{
“单词”：“神”，
“眼病”：2}，
“什么？”{
“单词”：什么，
“眼病”：1}
}

然后，只需执行以下操作，您就可以轻松访问每个单词及其眼波：

word_dict(phrase)['are']['word']       # output: are
word_dict(phrase)['are']['ocurrences'] # output: 5

---

不错（+1），但为了可读性，我会使用更多的行和变量。将非单词字符转换为空格，然后拆分，将使

“it”

被视为单词

“it”

和

“s”

。通常，您希望在空格上拆分，然后剥离标点符号，或者剥离标点符号并在空格上拆分，而不是将标点符号转换为空格